摘要
自YOLO系列发布以来，社区始终充满活力！在2023年农历兔年到来之际，我们对YOLOv6进行了多项创新性改进，涵盖网络架构与训练策略的全面优化，正式推出YOLOv6 v3.0版本。性能表现方面，YOLOv6-N在NVIDIA Tesla T4 GPU上以1187 FPS的吞吐量，实现了COCO数据集上37.5%的AP指标；YOLOv6-S在484 FPS的推理速度下达到45.0% AP，显著优于同规模主流检测器（YOLOv5-S、YOLOv8-S、YOLOX-S和PPYOLOE-S）。而YOLOv6-M与YOLOv6-L在相近推理速度下，分别实现50.0%和52.8%的AP，进一步超越同类模型的精度表现。此外，通过引入更强大的骨干网络与特征融合结构，YOLOv6-L6在实时检测任务中达到了当前最先进的精度水平。我们通过大量严谨的实验验证了各项改进组件的有效性。相关代码已开源，欢迎访问：https://github.com/meituan/YOLOv6。
代码仓库
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| object-detection-on-coco-2017-val | YOLOv6-L6(46 fps, V100, bs1) | AP: 57.2 AP50: 74.5 |
| object-detection-on-coco-minival | YOLOv6-L6(46 fps, 1280, V100) | AP50: 74.5 box AP: 57.2 |
| real-time-object-detection-on-coco | YOLOv6-S6(1280) | FPS (V100, b=1): 98 box AP: 50.3 |
| real-time-object-detection-on-coco | YOLOv6-M | FPS (V100, b=1): 175 box AP: 50.0 |
| real-time-object-detection-on-coco | YOLOv6-L | FPS (V100, b=1): 98 box AP: 52.8 |
| real-time-object-detection-on-coco | YOLOv6-N | FPS (V100, b=1): 779 box AP: 37.5 |
| real-time-object-detection-on-coco | YOLOv6-S | FPS (V100, b=1): 339 box AP: 45.0 |